一、先承认一个问题：大部分AI资讯和你无关
打开资讯流，满屏都是"某公司发布新模型""某团队刷新榜单"。看两个小时，脑子里只剩下几个名词，第二天全忘。
这不是资讯的问题，是筛选方式的问题。信息不稀缺，注意力才稀缺。
二、把信息源分成三层
第一层：一手信息。
官方发布、技术博客、论文、开源仓库的 README 和 release notes。这类内容枯燥，但准确，不带情绪。
第二层：二手解读。
媒体和自媒体的分析。优点是省时间，缺点是会被"标题化"，结论常被放大。
第三层：情绪噪声。
各种"颠覆""取代""凉了"。这类内容看多了，除了焦虑没有任何收益。
我的做法是：一手信息只扫标题和结论段，二手解读只看带实测的，第三层直接跳过。
三、三条过滤原则
原则一：看它改变了什么动作。
一条资讯如果不能让你的某个操作发生变化，它就只是谈资。模型支持 Function Call 不是新闻，能让你少写一个中间层才是。
原则二：看谁在付钱。
免费额度、限时开放这类信息，要看清背后的商业结构。很多"开放"是为了拉数据，不是长期承诺。
原则三：看它有没有可复现的细节。
能给出参数、代码、版本号的资讯值得读。只给结论不给方法的，先存疑。
四、每天二十分钟的固定流程
- 早上花五分钟扫一手渠道的标题，只挑和自己业务相关的。
- 中午花十分钟读一到两条带实测的内容。
- 晚上花五分钟把值得留的材料归档，写一句自己的判断。
关键在于第三条。不归档的资讯等于没读。我现在把资料统一放在 万象云档 里，按主题建文档，比散在浏览器收藏夹里好找得多。那个站现在收了 25.1 万篇公开文档，技术类和电子书都有，检索起来省事。
五、用豆包做一次快速摘要
遇到长文没时间读，可以这样提问：
```
请用300字总结这篇文章的核心结论，
然后单独列出：作者给出了哪些具体数据，
哪些结论缺少证据，最后告诉我这条信息
对做内容站的人有没有可执行的动作。
```
注意最后一句。只让AI总结，你会得到一份漂亮的废话；加上"可执行动作"，它才会逼着自己找落点。
六、一个反直觉的建议
资讯不是看得越多越好。真正有效的做法是选三个固定主题，长期跟。
因为深度来自连续。一个新人一天跟十条不同赛道，不如一个人连续三个月跟一条赛道。前者攒的是名词，后者攒的是判断。